多模态数据分类的模糊粗糙方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 多模态数据分类任务的研究意义 | 第10-11页 |
| 1.2 多模态分类任务的挑战 | 第11-13页 |
| 1.3 多模态数据分类的研究现状 | 第13-16页 |
| 1.3.1 多模态数据的研究现状 | 第13-14页 |
| 1.3.2 多模态数据分类的研究现状 | 第14-16页 |
| 1.4 基于模糊粗糙集的不确定性研究 | 第16-18页 |
| 1.5 本文的主要研究内容 | 第18-20页 |
| 1.6 本文的组织结构 | 第20-22页 |
| 第二章 研究基础 | 第22-32页 |
| 2.1 引言 | 第22页 |
| 2.2 模糊粗糙集模型 | 第22-24页 |
| 2.3 多核学习方法 | 第24-27页 |
| 2.4 多标记学习方法 | 第27-32页 |
| 第三章 多模态属性约简的多核模糊粗糙方法 | 第32-54页 |
| 3.1 引言 | 第32-33页 |
| 3.2 多核模糊粗糙集 | 第33-40页 |
| 3.2.1 核函数 | 第33-34页 |
| 3.2.2 基于模糊运算的核融合方法 | 第34-36页 |
| 3.2.3 多核模糊粗糙集 | 第36-38页 |
| 3.2.4 多核SVM和多核模糊粗糙集的讨论 | 第38-40页 |
| 3.3 大规模模糊分类问题的多模态属性约简 | 第40-42页 |
| 3.3.1 多模态属性约简方法 | 第40页 |
| 3.3.2 属性约简算法的并行方法 | 第40-42页 |
| 3.4 实验分析 | 第42-52页 |
| 3.4.1 UCI数据集 | 第43-45页 |
| 3.4.2 大规模数据集 | 第45-46页 |
| 3.4.3 多模态数据集 | 第46-49页 |
| 3.4.4 多模态模糊分类 | 第49-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第四章 多标记属性约简的模糊粗糙方法 | 第54-70页 |
| 4.1 引言 | 第54页 |
| 4.2 多标记属性约简 | 第54-56页 |
| 4.2.1 基于BR和LP策略的属性约简方法 | 第54-56页 |
| 4.3 基于BP模糊粗糙集的多标记属性约简 | 第56-63页 |
| 4.3.1 基于BP的模糊粗糙模型 | 第56-59页 |
| 4.3.2 算法设计 | 第59页 |
| 4.3.3 实验分析 | 第59-63页 |
| 4.4 基于LP模糊粗糙集的属性约简方法 | 第63-68页 |
| 4.4.1 基于LP的模糊粗糙模型 | 第63-64页 |
| 4.4.2 算法设计 | 第64-65页 |
| 4.4.3 实验分析 | 第65-68页 |
| 4.5 本章小结 | 第68-70页 |
| 第五章 多模态属性模糊多标记分类的模糊粗糙方法 | 第70-88页 |
| 5.1 引言 | 第70-72页 |
| 5.2 模糊多标记学习 | 第72-75页 |
| 5.2.1 模糊多标记学习的形式化 | 第72-73页 |
| 5.2.2 基于模糊粗糙集的模糊多标记学习模型 | 第73-75页 |
| 5.3 模糊多标记分类算法 | 第75-78页 |
| 5.4 实验分析 | 第78-87页 |
| 5.4.1 模糊多标记学习评价方法 | 第79-81页 |
| 5.4.2 对比方法分析 | 第81-82页 |
| 5.4.3 实验设置 | 第82-84页 |
| 5.4.4 实验结果 | 第84-87页 |
| 5.5 本章小结 | 第87-88页 |
| 第六章 结论 | 第88-92页 |
| 6.1 总结 | 第88-89页 |
| 6.2 展望 | 第89-92页 |
| 参考文献 | 第92-100页 |
| 发表论文和参加科研情况说明 | 第100-102页 |
| 致谢 | 第102-103页 |
